在一项涉及1,082名患有浸润性乳腺癌女性的新研究中，人工智能（AI）软件的假阴性率为14%。
新兴研究表明，致密型乳腺组织、非乳腺区域位置以及肿瘤大小<2厘米是导致人工智能（AI）乳腺X光分析出现可操作性假阴性结果的关键因素。
这项回顾性研究最近发表在《放射学》杂志上，研究人员评估了AI软件（Lunit Insight MMG，版本1.1.7.3，Lunit）在1,082名女性（平均年龄54.3岁）的乳腺X光片中的假阴性情况，这些女性共有1,097例浸润性乳腺癌病例。
研究作者发现，AI软件未能检测出1,097例浸润性乳腺癌中的154例（14%），其中61.7%的病例是可以采取行动的。
虽然数字化乳腺X光（A）、超声波（C）和乳腺MRI（D）均显示左上外侧乳房存在不规则肿块，但人工智能（AI）分析却生成了一个较低的异常评分。在保乳手术后，该病灶被确认为无腋窝淋巴结转移的浸润性导管癌。（图片由《放射学》提供）
在AI未检测到的可操作乳腺癌病例中，研究人员指出，59%的病例涉及乳腺密度较高的女性，23%的病例位于非乳腺区域。
与AI检测到癌症的患者相比，研究人员发现，AI未检测到侵袭性乳腺癌的女性中，肿瘤大小>2厘米的比例高出20%以上（81.8% vs. 61%）；平均年龄小5岁以上（平均年龄49.7岁 vs. 55.1岁）；腋窝淋巴结转移的发生率低近13%（18.2% vs. 31.1%）。
“与AI检测到的癌症相比，AI未检测到的癌症与更年轻的年龄、肿瘤大小≤2厘米、更低的组织学分级、更少的淋巴结转移、较低的Ki-67表达、较少的HER2阳性肿瘤、腔内亚型、更多BI-RADS 4类解释以及频繁出现在非乳腺区域相关，”该研究的主要作者、韩国首尔高丽大学九老医院放射科Ok Hee Woo博士及其同事写道。
三大要点
- AI漏检常发生在致密乳腺和非乳腺区域
AI未检测到的乳腺癌通常与致密乳腺组织（59%）和位于非乳腺区域的病灶（23%）有关，突显了乳腺X光解读中的已知挑战。
- 漏检病例中的肿瘤和患者特征不同
与AI检测到的癌症相比，AI未检测到的癌症在年轻女性中更为常见，肿瘤较小（≤2厘米）、组织学分级较低、淋巴结转移较少，这些特征可能导致AI检测灵敏度降低。
- 假阴性率因分子亚型而异
AI系统对腔内亚型（17.2%）和三阴性亚型（14.5%）的假阴性率较高，而对HER2富集亚型的假阴性率最低（9%），这可能是因为AI对与HER2阳性肿瘤相关的微钙化检测率较高。
关于乳腺癌的分子亚型，研究人员发现，与人表皮生长因子受体2（HER2）乳腺癌（9%）相比，腔内和三阴性亚型的假阴性率（FNRs）更高，分别为17.2%和14.5%。
“我们的研究发现，HER2富集亚型的假阴性率最低且异常评分（AS）最高，这与先前的研究结果一致，表明由于微钙化的存在，AI对该亚型的检测率和AS最高，”Woo及其同事补充道。
关于研究局限性，作者指出，该研究为回顾性设计，仅使用了一种AI软件，并将队列限制在确诊的浸润性乳腺癌患者中。他们还承认，BI-RADS 5类表现（>40%）和乳腺密度较高女性（>70%）的比例较高，无法代表更广泛的人群。
(全文结束)
